儿童大脑图像细分的统一模型与联合注册框架由纵向MRI指导
IEEE journal of biomedical and health informatics
|April 26, 2024
概括
这项研究引入了一种统一的模型来对儿童大脑MRI进行细分,提高了纵向分析的准确性. 新的SE-VB-Net框架提高了婴儿和学龄前儿童的发展趋势估计.
科学领域:
- 医学成像分析分析 医学成像分析
- 儿科神经影像学 儿科神经影像学
- 计算神经科学是一种计算神经科学.
背景情况:
- 对儿科大脑结构的准确细分对于纵向研究至关重要.
- 由于注释稀缺性和组织变异性,现有的方法与纵向数据扎,导致结果不一致.
- 目前的方法通常需要多个MRI序列,限制了它们的适用性.
研究的目的:
- 开发一种统一的模型来对从新生儿到学龄前儿童的儿童进行脑图像细分.
- 解决儿童纵向神经成像中有限的注释数据和动态组织强度变化的挑战.
- 为了能够准确地分析不同时间点的大脑发育趋势.
主要方法:
- 一个两阶段的方法,包括一个共同注册框架,以沿线数据为指导的黄金标准细分.
- 开发一个统一的细分模型,SE-VB-Net,一个结合VB-Net和Squeeze-and-Excitation块的卷积网络.
- 该模型可以容纳T1和T2加权的MRI,特别是作为输入单个T1加权图像.
主要成果:
- 拟议的SE-VB-Net方法在儿童大脑纵向MRI细分上取得了高性能 (>92%).
- 已证明适用于分析具有显著外观变化的图像,性能优于单个时间点方法.
- 在一个大数据集 (320名受试者) 和两个外部数据集的验证证实了强度.
结论:
- 新的统一模型和联合注册框架显著提高了儿童纵向大脑细分的准确性.
- SE-VB-Net为儿科神经成像分析提供了一种多功能和强大的解决方案,扩大了其应用范围.
- 这种方法有助于更可靠地估计儿童早期大脑发育轨迹.
